基于红外与可见光图像的特征融合方法研究
| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 第1章 绪论 | 第12-20页 |
| ·研究的背景和意义 | 第12-13页 |
| ·国内外研究现状 | 第13-16页 |
| ·图像融合算法理论的发展现状 | 第13-15页 |
| ·图像融合应用研究的发展现状 | 第15-16页 |
| ·图像融合的层次划分 | 第16-19页 |
| ·像素级图像融合 | 第16-17页 |
| ·特征级图像融合 | 第17-18页 |
| ·决策级图像融合 | 第18-19页 |
| ·本文的主要内容和章节安排 | 第19-20页 |
| 第2章 红外与可见光图像的特征融合基础 | 第20-32页 |
| ·红外与可见光图像融合的意义 | 第20-21页 |
| ·特征提取 | 第21-22页 |
| ·图像融合的评价方法 | 第22-28页 |
| ·支持向量机模型 | 第22-27页 |
| ·支持向量机的模型参数选择 | 第27-28页 |
| ·本文特征级融合的步骤 | 第28-31页 |
| ·本章小结 | 第31-32页 |
| 第3章 基于协方差矩阵的特征融合方法 | 第32-42页 |
| ·图像特征提取 | 第32-34页 |
| ·灰度特征 | 第32-33页 |
| ·梯度信息和图像的二阶导数 | 第33-34页 |
| ·空间位置信息 | 第34页 |
| ·协方差矩阵的构造 | 第34-37页 |
| ·协方差与协方差矩阵 | 第34-35页 |
| ·区域多特征融合的协方差表示 | 第35-36页 |
| ·协方差矩阵的距离度量 | 第36-37页 |
| ·基于协方差矩阵的图像特征级融合实现 | 第37-38页 |
| ·目标特征的提取 | 第37页 |
| ·特征融合 | 第37-38页 |
| ·实验结果与分析 | 第38-41页 |
| ·本章小结 | 第41-42页 |
| 第4章 基于主成分分析的特征融合方法 | 第42-56页 |
| ·特征提取 | 第42-45页 |
| ·灰度共生矩阵 | 第42-44页 |
| ·Hu 不变矩 | 第44-45页 |
| ·几何特征 | 第45页 |
| ·主成分分析的定义 | 第45-46页 |
| ·主成分分析的基本原理 | 第46-48页 |
| ·数学模型 | 第46-47页 |
| ·几何意义 | 第47-48页 |
| ·主成分的推导 | 第48-52页 |
| ·基于主成分分析的图像特征级融合实现 | 第52-53页 |
| ·目标特征的提取 | 第52-53页 |
| ·特征融合 | 第53页 |
| ·实验结果与分析 | 第53-55页 |
| ·本章小结 | 第55-56页 |
| 第5章 基于改进免疫遗传的特征融合方法 | 第56-72页 |
| ·遗传算法基础理论 | 第56-60页 |
| ·遗传算法概述 | 第56-57页 |
| ·遗传算法流程 | 第57-60页 |
| ·一般的免疫算法基础理论 | 第60-62页 |
| ·免疫算法概述 | 第60-61页 |
| ·免疫算法流程 | 第61-62页 |
| ·一般的免疫遗传算法 | 第62-64页 |
| ·基于改进免疫遗传的图像特征级融合实现 | 第64-69页 |
| ·改进算法的关键技术 | 第64-65页 |
| ·基于改进免疫遗传的特征融合原理 | 第65-66页 |
| ·特征级融合实现 | 第66-69页 |
| ·实验结果与分析 | 第69-70页 |
| ·本章小结 | 第70-72页 |
| 结论 | 第72-74页 |
| 参考文献 | 第74-79页 |
| 攻读硕士学位期间发表的论文和获得的科研成果 | 第79-80页 |
| 致谢 | 第80-81页 |
